相机自动曝光（AE）核心算法——从参数调节到亮度标定

自动曝光（AE）作为相机成像系统的核心技术，直接决定了画面亮度的准确性与稳定性。其本质是通过动态调节曝光时间、增益、ISO等关键参数，使感光器件获得合适的曝光量，避免画面过曝或过暗。本文将结合一份完整的C++实现代码，深入解析AE系统的核心算法设计，包括曝光与增益的智能调节、ISO-亮度标定及多因素目标亮度计算，带大家走进AE算法的工程化落地过程。

一、系统整体架构：模块化设计的AE闭环

相机AE系统本质是一个基于负反馈的闭环控制系统，核心逻辑是"测光-调节-再测光"的循环。本次实现采用模块化设计，将复杂的AE流程拆解为三个核心类，各模块职责清晰且协同工作：

• AEBasicConfig：基础参数调节模块，核心负责根据场景亮度动态调整曝光时间与增益，是AE系统的执行核心；

• AECalibration：ISO-亮度标定模块，解决硬件非线性问题，通过多项式拟合实现亮度精准标定；

• TargetLumaTest：目标亮度计算模块，融合多场景因素（场景亮度、人脸检测、触摸区域）确定最优目标亮度，提升场景适配性。

各模块通过"输入参数-算法处理-输出结果"的接口设计实现解耦，便于独立调试与迭代优化，符合工程化开发规范。

二、核心模块算法深度解析

2.1 AEBasicConfig：曝光与增益的优先级调节策略

曝光时间和增益是影响曝光量的两个关键参数，但二者对画面质量的影响存在显著差异：曝光时间延长能提升进光量且不易引入噪声，而增益提升虽能增强信号，但过高会导致画面噪声激增。因此，模块核心设计理念是"优先调节曝光时间，增益补充补偿"，具体实现逻辑如下：

2.1.1 核心算法逻辑

1. 亮度比例计算：以理想亮度（50.0）为目标，计算当前场景亮度与理想亮度的比例，确定参数调节幅度；

2. 曝光时间调节：根据亮度比例计算理论曝光时间，若在硬件允许的最大/最小范围内，则直接应用；若超出范围，则固定曝光时间至边界值，剩余调节需求通过增益补偿；

3. 增益范围限制：为避免噪声过大，将增益严格限制在0.1~10.0dB区间内。

2.1.2 关键代码实现

#include <iostream>
#include <string>
#include <iomanip>
#include <cmath>

// ---------------------------
// 1. 参数结构体（保持不变，新增算法所需成员）
// ---------------------------
struct CtrlSetting {
    double exposure_time;  // 曝光时间(ms)
    double gain;           // 增益(dB)
    int iso;               // ISO值
    double scene_brightness; // 场景亮度(新增)
};

// 其他结构体定义与之前相同，此处省略（AEMCFGParam、BhistCfgParam等）
// 完整代码会包含所有结构体，这里简化展示

// ---------------------------
// 2. 带算法的模块类实现
// ---------------------------
class AEBasicConfig {
private:
    CtrlSetting ctrl;
    AEMCFGParam aem;
    // 其他成员保持不变

public:
    void setInput(const CtrlSetting& c, const AEMCFGParam& a, 
                  const BhistCfgParam& b, const AE_ADAPT& ad, 
                  const BurningLowlightCtrl& l) {
        ctrl = c;
        aem = a;
        // 其他参数赋值
    }

    void process() {
        std::cout << "\n=== [AE基础配置] 处理中 ===" << std::endl;
        std::cout << "初始参数: 曝光=" << ctrl.exposure_time << "ms, 增益=" << ctrl.gain 
                  << "dB, 场景亮度=" << ctrl.scene_brightness << std::endl;

        // 【新增算法：曝光时间与增益调节】
        // 目标：将场景亮度调整到理想值(50.0)
        const double ideal_brightness = 50.0;
        double brightness_ratio = ideal_brightness / ctrl.scene_brightness;

        // 步骤1：优先调整曝光时间（在允许范围内）
        double new_exposure = ctrl.exposure_time * brightness_ratio;
        if (new_exposure > aem.exp_max) {
            new_exposure = aem.exp_max;
            // 曝光达到上限，剩余部分用增益补偿
            double remaining_ratio = brightness_ratio / (aem.exp_max / ctrl.exposure_time);
            ctrl.gain *= remaining_ratio;
        } else if (new_exposure < aem.exp_min) {
            new_exposure = aem.exp_min;
            // 曝光达到下限，减少增益
            double remaining_ratio = brightness_ratio / (aem.exp_min / ctrl.exposure_time);
            ctrl.gain *= remaining_ratio;
        } else {
            // 曝光时间可满足需求，增益不变
        }

        ctrl.exposure_time = new_exposure;
        // 限制增益范围（避免过高噪声）
        if (ctrl.gain > 10.0) ctrl.gain = 10.0;
        if (ctrl.gain < 0.1) ctrl.gain = 0.1;

        std::cout << "算法调节后: 曝光=" << std::fixed << std::setprecision(1) << ctrl.exposure_time << "ms, "
                  << "增益=" << std::fixed << std::setprecision(1) << ctrl.gain << "dB" << std::endl;
        std::cout << "[AE基础配置] 完成" << std::endl;
    }

    // 提供获取调整后参数的接口（供后续模块使用）
    CtrlSetting getAdjustedCtrl() const { return ctrl; }
};

class AECalibration {
private:
    LVCalISOCal cal_data;
    double calibrated_luma;  // 标定后的亮度

public:
    void setInput(const LVCalISOCal& data, int current_iso) {
        cal_data = data;
        cal_data.iso_base = current_iso;  // 使用当前ISO作为基准
    }

    void process() {
        std::cout << "\n=== [AE标定] 处理中 ===" << std::endl;
        std::cout << "标定参数: 基准ISO=" << cal_data.iso_base 
                  << ", 校正系数=" << cal_data.cal_factor << std::endl;

        // 【新增算法：ISO-亮度标定（多项式拟合）】
        // 公式：标定后亮度 = 基准亮度 + a*ISO + b*ISO?（模拟硬件非线性特性）
        double base_luma = 40.0;  // 基准亮度
        double a = 0.02 * cal_data.lv_offset;  // 一次项系数（受亮度偏移影响）
        double b = 0.0001 * cal_data.cal_factor;  // 二次项系数（受标定系数影响）
        
        calibrated_luma = base_luma + a * cal_data.iso_base + b * pow(cal_data.iso_base, 2);
        // 加入微小随机误差（模拟实际传感器噪声）
        calibrated_luma += (rand() % 10 - 5) * 0.1;

        std::cout << "标定结果: 亮度=" << std::fixed << std::setprecision(1) << calibrated_luma << std::endl;
        std::cout << "[AE标定] 完成" << std::endl;
    }

    double getCalibratedLuma() const { return calibrated_luma; }
};

class TargetLumaTest {
private:
    // 成员变量与之前相同，新增算法所需变量
    double final_target;  // 最终目标亮度

public:
    void setInput(/* 输入参数与之前相同 */) {
        // 保持原有参数赋值逻辑
    }

    void process() {
        std::cout << "\n=== [Target Luma调试] 处理中 ===" << std::endl;

        // 【新增算法：多因素加权融合】
        // 权重分配：场景平均亮度(50%) + 人脸亮度(30%，若有) + 触摸区域(20%，若有)
        double scene_weight = 0.5;
        double face_weight = face.detected ? 0.3 : 0;
        double touch_weight = touch.active ? 0.2 : 0;

        // 归一化权重（确保总和为1）
        double total_weight = scene_weight + face_weight + touch_weight;
        scene_weight /= total_weight;
        face_weight /= total_weight;
        touch_weight /= total_weight;

        // 计算目标亮度
        final_target = (hm.avg_brightness * scene_weight) +
                      (face.detected ? face.face_luma * face_weight : 0) +
                      (touch.active ? 60.0 * touch_weight : 0);  // 触摸区域默认亮度60

        // 加入亮度平滑（避免突变）
        static double last_target = 50.0;  // 上一帧目标亮度
        final_target = 0.7 * final_target + 0.3 * last_target;  // 指数平滑
        last_target = final_target;

        std::cout << "权重分配: 场景=" << scene_weight << ", 人脸=" << face_weight 
                  << ", 触摸=" << touch_weight << std::endl;
        std::cout << "目标亮度: " << std::fixed << std::setprecision(1) << final_target << std::endl;
        std::cout << "[Target Luma调试] 完成" << std::endl;
    }

    double getTargetLuma() const { return final_target; }
};

// 其他类（AETableConfig、CVG）保持结构不变，可根据需要添加算法
// ---------------------------
// 3. 主函数（测试算法效果）
// ---------------------------
int main() {
    srand(time(0));
    std::cout << "===== 带算法的AE流程仿真 =====" << std::endl;

    // 测试数据：模拟低光场景（初始亮度较低）
    CtrlSetting ctrl = {10.0, 3.0, 400, 30.0};  // 场景亮度30（偏低）
    AEMCFGParam aem = {true, 50, 5};  // 曝光范围5-50ms
    // 其他参数初始化（略）

    // 执行流程
    AEBasicConfig ae_basic;
    ae_basic.setInput(ctrl, aem, /* 其他参数 */);
    ae_basic.process();
    CtrlSetting adjusted_ctrl = ae_basic.getAdjustedCtrl();  // 获取调节后参数

    AECalibration ae_cal;
    ae_cal.setInput(/* 标定参数 */, adjusted_ctrl.iso);  // 使用调节后的ISO
    ae_cal.process();

    // 后续模块执行（略）

    std::cout << "\n===== 仿真结束 =====" << std::endl;
    return 0;
}

2.1.3 工程化亮点

通过"曝光优先"策略平衡了画面亮度与噪声控制，同时通过硬件参数边界检查（exp_max/exp_min）确保算法输出符合硬件能力，避免无效调节。这种设计在低光场景下效果尤为显著------既能通过延长曝光时间获取更多光线，又能通过增益补偿避免画面过暗。

2.2 AECalibration：多项式拟合解决硬件非线性问题

相机传感器的ISO与亮度输出并非严格线性关系，硬件本身的非线性特性会导致亮度测量偏差。AECalibration模块通过ISO-亮度标定算法，利用多项式拟合模拟硬件特性，实现亮度精准校正，同时引入噪声模拟增强工程实用性。

2.2.1 核心算法设计

采用二次多项式拟合建立ISO与标定后亮度的映射关系，公式如下：

calibrated_luma = base_luma + a×ISO + b×ISO²

• base_luma（40.0）：基准亮度值，为拟合提供基础偏移；

• a（0.02×lv_offset）：一次项系数，受亮度偏移影响，调节线性部分；

• b（0.0001×cal_factor）：二次项系数，受标定系数影响，拟合硬件非线性部分。

为贴近实际场景，算法还加入微小随机误差（±0.5）模拟传感器噪声，使标定结果更具参考价值。

2.3 TargetLumaTest：多因素加权融合的目标亮度计算

单一的场景平均亮度无法满足复杂场景需求（如含人脸的场景需优先保证人脸亮度，触摸操作时需聚焦触摸区域）。该模块通过多因素加权融合策略，动态计算目标亮度，同时引入平滑处理避免画面闪烁。

2.3.1 核心策略解析

1. 权重动态分配：场景平均亮度默认权重50%，检测到人脸时叠加30%权重，触摸区域激活时叠加20%权重，未触发的因素权重置0；

2. 权重归一化：确保所有激活因素的权重和为1，避免权重失衡导致的亮度偏差；

3. 指数平滑处理：采用"当前目标亮度=0.7×计算值+0.3×上一帧目标"的公式，使亮度变化平滑过渡，避免突变闪烁。

三、整体流程串联与测试验证

3.1 流程闭环梳理

AE系统的完整工作流程遵循"输入-处理-输出-反馈"的闭环逻辑：